010-68332837
全国咨询热线
"79 岁老干妈用 AI 一年赚 54 亿" 冲上热搜，但 54 亿是稳定盘子缓步推高，不是 AI 爆发增长。真正和 AI 相关的是车间里的视觉质检和全链路溯源：0.3 秒扫一次、不良率降到 0.02%。AI 在食品厂到底怎么干活？岗位又发生了什么？这篇讲清真相。
一、先泼一盆冷水：54 亿不是 AI"赚来" 的
10 月中旬，"79 岁老干妈用 AI 一年赚 54 亿" 冲上热搜。一家平时不直播、不带货、公众号停更多年的老字号，突然因为 AI 被重新看见。但热闹之下，先把账看清楚。
据老干妈常务副总、首席质量官李鑫在 2026 年贵州省质量发展大会上披露：通过四年质量巩固与体系优化，2025 年老干妈营收达 54 亿元，创历史最高峰值，同期还获得第五届贵州省省长质量奖。
但 "创历史峰值"≠"高增长"，这里有个看财报的小常识。 据雷达财经梳理，公司近年营收大致是：2022 年 52.6 亿（+25.2%）、2023 年 53.81 亿（+2.3%）、2024 年 53.91 亿（+0.19%）、2025 年 54 亿。也就是说，54 亿是在一个稳定盘子上缓步推高的结果，而不是 AI 带来的爆发式增长。把营收新高直接归因于 AI，属于过度解读。
二、AI 真正干的活：前端 "挑得准"，后端 "查得到"
真正和 AI 直接相关的，是生产端。据 21 世纪经济报道等媒体，AI 视觉质检系统 2025 年在贵阳昌明基地全车间上线，分前后衔接的两步。
第一步：前端 AI 视觉挑拣。 高速工业相机每 0.3 秒扫描一次传送带上的辣椒，识别霉变、黑斑、虫眼等瑕疵，判定不合格后由定向气流自动吹进废料箱。过去这道工序靠工人肉眼长时间盯守，容易疲劳漏检；现在把 "看一眼、判好坏、剔除" 交给算法，标准稳定、速度更快。
新增知识点：AI 视觉质检的基本原理，其实和人眼逻辑很像 —— 先由相机 "拍照"，算法把图像和 "好辣椒 / 坏辣椒" 的样本比对，判断合格与否，再驱动机械装置剔除。它比人强的地方在于：不知疲倦、标准统一、不会因为盯久了走神漏检。
第二步：后端全链路数字化溯源。 产区每一批辣椒、菜籽油、大豆都被赋予数字化编码，从田间采购、进厂检验、生产加工到成品出库，全流程数据都被记录。一旦某批成品风味异常，算法可以顺着链路反向追溯，快速定位到具体原料批次甚至源头农田，而不是靠老师傅回忆排查。
前端解决 "挑得准"，后端解决 "查得到"。两者合起来，才是这套 AI 改造的完整样子，也是关键工序产品不良率降至 0.02%、核心原料 100% 可追溯背后的支撑。
三、被点燃的岗位争议：拆成事实层和价值层
真正把讨论点燃的，是一组岗位数字：据公开报道，过去辣椒分拣流水线需要六百多名工人，系统上线后只保留 48 人负责最后一道经验复核。
争议表面是 "AI 抢饭碗"，实际可以拆成两层看：
事实层：减少的是分拣岗位，但这 552 人是转岗、分流、自然减员，还是进入设备维护、质量抽检等新岗位，公司至今没有公开说明；
价值层：企业侧理由是不良率降到 0.02%、原料可追溯、人力成本下降；劳动者侧的疑问是，岗位收缩后人去了哪里、有没有过渡安排。
这里有个 "参保人数口径陷阱"，别被带节奏。 据天眼查，公司参保人数从 2021 年 2915 人降至 2025 年 740 人；据企业年报及企查查口径，2023 年 1783 人、2024 年 941 人、2025 年 740 人。需要说明：这是全公司口径，涵盖生产、行政等全部参保人员，不能直接等同于拣椒岗位变化，更不能全部算到 AI 头上。 在更多信息披露前，不宜把这组数字写成 "AI 一次性裁员两千人"。企业将其表述为 "技术升级带来的岗位结构调整"，具体安置细节尚未公开。
四、对传统制造企业的三点参考价值
抛开情绪，这件事给传统制造业三点实在参考：
AI 落地往往从最重复、最标准的判断开始。 看、挑、检这类视觉任务，数据好采集、标准好定义、回报可算，最容易先被 AI 接住，也是传统工厂最现实的切入点，不必一开始就追求最炫的概念；
老字号的 "退网" 和车间的 "深数字化" 可以同时存在。 老干妈公众号停更多年、不直播带货、电商占比很低，却把资源投到工厂内部的质量体系和智能化改造上 —— 这是一种把钱花在确定性环节的选择；
技术升级的成绩单，不该只写良率和成本，也应写人怎么安置。 转岗通道、提前告知、技能转型这些功课做得越早，公众对 "机器换人" 的接受度越高，争议也越小。
这件事还没到下结论的时候，有几个后续信息会改变判断—— 老干妈是否公开说明人员实际去向；AI 质检是否从辣椒分选扩展到熬制、灌装等更多工序；同类食品工厂会不会跟进这套视觉方案。
观点
老干妈这案例最值得讲的，不是 "AI 赚了 54 亿" 这个被放大的标题，而是它提供了一个传统制造业务实用 AI 的范本：不从最炫的场景起步，把一个重复的判断环节（挑辣椒）做准，把一条原料链路（从农田到出库）查清，就是看得见的回报。这对无数还在观望 "AI 怎么落地" 的工厂，比任何概念都实在。
同时，这篇文章也给读者提了个醒：面对 "AI 神话" 要学会拆账。 营收新高不等于 AI 功劳，参保人数减少也不等于 AI 裁员。媒体报道和热搜标题往往会把复杂结果压缩成一个爽点，我们要看清口径、分清事实层和价值层，不被情绪带着走。
最该正视的，是那个绕不开的人。技术升级提高了效率、降低了不良率，这是进步；但进步的成绩单上，应该同时写清楚 "人去了哪里、有没有被妥善安置"。真正成熟的智能化，不是 "机器换了人"，而是 "人从重复劳动里被解放出来，转去更有经验价值的岗位"。转岗通道和技能转型做得越充分，技术进步就越能被大家真心接受。
正能量地说，老干妈证明了一件朴素的事：对传统制造企业，AI 不需要高大上，把眼前重复的活做准、把原料的来路查清，就是价值。而技术往前走的同时，把人的位置安顿好，这样的智能化才走得稳、走得远。
